ubuntu16.04 安装 cuda10 + anaconda3 + pytorch1.0环境配置记录

环境配置步骤：

cuda驱动—cuda10—cuDNN—anaconda3—pytorch

cuda10 + cuDNN10安装：

参考：cuda安装
1、卸载原驱动
2、安装对应cuda版本驱动
安装驱动可能的问题解决：
问题1
问题2
3、安装cuda
下载后的文件为cuda_10.0.130_410.48_linux.run，为文件赋予执行权限

chmod a+x cuda_10.0.130_410.48_linux.run

进行安装，其中download是下载后cuda所在的目录

sudo sh cuda_10.0.130_410.48_linux.run

修改环境变量：修改环境变量

sudo gedit ~/.bashrc
//添加三个路径
export CUDA_HOME=/usr/local/cuda-10.0
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
export PATH=${CUDA_HOME}/bin:${PATH}
//更新环境变量
source ~/.bashrc
//测试
cd     /usr/local/cuda-10.0/samples/1_Utilities/deviceQuery
sudo make 
./deviceQuery

Result = PASS//表示成功
vcnn -V查看cuda版本
测试cuda
4、安装cuDNN

anaconda安装：

参考：anaconda3安装

下载地址

创建pytorch环境
创建虚拟pytorch环境：

//建立虚拟环境
conda create -n pytorch python=3.7 //或者
source create -n pytorch python=3.7
//激活环境
conda activate pytorch  //或者
source activate pytorch
//推出虚拟环境
source deactivate pytorch

pytorch安装：

下载地址
pip安装方法：
安装包对应位置下

pip install torch-1.0.1-cp37-cp37m-linux_x86_64.whl
pip install torch vision

//查看安装是否成功
python
import torch//不报错表示安装成功
torch.__veersion__//查看版本

torchvision安装：（安装前查询对应的版本）

pip install torchvision==0.2.0
//查看
python
import torchvision
torchvision.__version__

GPU问题

测试GPU是否可用：
检测GPU

import torch
flag = torch.cuda.is_available()
if flag:
    print("CUDA可使用")
else:
    print("CUDA不可用")

ngpu= 1
# Decide which device we want to run on
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print("驱动为：",device)
print("GPU型号： ",torch.cuda.get_device_name(0))

matploylib安装

pip install matplotlib -i http://pypi.douban.com/simple --trusted-host pypi.douban.com